我的编程空间,编程开发者的网络收藏夹
学习永远不晚

Python线性回归分析

短信预约 -IT技能 免费直播动态提醒
省份

北京

  • 北京
  • 上海
  • 天津
  • 重庆
  • 河北
  • 山东
  • 辽宁
  • 黑龙江
  • 吉林
  • 甘肃
  • 青海
  • 河南
  • 江苏
  • 湖北
  • 湖南
  • 江西
  • 浙江
  • 广东
  • 云南
  • 福建
  • 海南
  • 山西
  • 四川
  • 陕西
  • 贵州
  • 安徽
  • 广西
  • 内蒙
  • 西藏
  • 新疆
  • 宁夏
  • 兵团
手机号立即预约

请填写图片验证码后获取短信验证码

看不清楚,换张图片

免费获取短信验证码

Python线性回归分析

这篇文章主要介绍“Python线性回归分析”,在日常操作中,相信很多人在Python线性回归分析问题上存在疑惑,小编查阅了各式资料,整理出简单好用的操作方法,希望对大家解答”Python线性回归分析”的疑惑有所帮助!接下来,请跟着小编一起来学习吧!

线性回归

线性回归是机器学习和统计学中最基础和最广泛应用的模型,是一种对自变量和因变量之间关系进行建模的回归分析。

代码概述

本次实现的线性回归为单变量的简单线性回归,模型中含有两个参数:变量系数w、偏置q。

训练数据为自己使用随机数生成的100个随机数据并将其保存在数组中。采用批量梯度下降法训练模型,损失函数使用平方损失函数。

Python线性回归分析

上图为整个程序的函数调用关系。

下面贴代码:

#include<stdio.h>#include<stdlib.h>#include<math.h>#include<time.h> double w, q;int m;//模型float Model(float x){float y;y = x * w + q;return y;} //损失函数double Loss(float *y,float *x){double L=0;//循环参数int i, j, k;for (i = 0; i < m; i++){L += (pow((y[i] - Model(x[i])), 2)) / (2 * m);}return L; } //梯度下降优化函数void Gradient_Descent_Optimizer(float *x,float *y,float a){int j, i;double Q = 0, W = 0;for (i = 0; i < m; i++)W += x[i] * (Model(x[i]) - y[i]);W = W / m;for (j = 0; j < m; j++)Q += Model(x[j]) - y[j];Q = Q / m;printf("W:%f\nQ:%f\n", W, Q);w = w - a * W;q = q - a * Q;} //主函数;训练过程int main(){//循环标志int i, j;//训练轮次int epoch;//损失函数double L;//学习率float a;float x[100], y[100];//随机数生成for (i = 0; i < 100; i++){x[i] = 0.1*i;y[i] = x[i] * 3 + 5; //+ ((rand() % 11) / 10);printf("X:%.2f,Y:%.2f\n", x[i], y[i]);}//超参数设置m = 100;a = 0.05;epoch = 1000;//参数初始化w = 2;q = 3;for (j = 0; j < epoch; j++){Gradient_Descent_Optimizer(x, y, a);L = Loss(y, x);printf("训练轮次:%d,损失:%f,参数w的值:%lf,参数q的值:%lf\n", j+1, L, w, q);}printf("最终值:\nw:%lf\nq:%lf\n", w, q);system("pause");}

问题总结

下面对在编写过程中需要注意的问题进行总结:

1.参数更新

模型中的参数需要同步更新。所有参数的更新值经过梯度下降法计算得出后要在最后同时更新所有参数。

2.保留损失函数

在代码编写过程中自己认为不用单独写一个损失函数,只需在梯度下降的过程中利用求导后的公式进行相关的参数优化操作即可,但在运行没有算是函数的程序时,没有实时的损失函数结果评估模型训练效果可能会导致模型在错误的道路上越走越远。

3.注意数据类型

初次运行程序,在训练至十几轮时参数就不再变化,一直到第1000轮参数都保持不变。后来在检查代码时发现,在优化函数将一些参数的数据类型错误设置为整型。因此当参数值改变程度小于1时,参数将不再变化。

4.超参数的设置及参数的初始化

学习率,训练轮次等的设置是一个对程序编写者经验要求比较高的工作,需要多次尝试,找到合适的值,参数的初始化也是这样。

心得

本次只是实现了简单线性回归的最基本的功能,同时也试一下自己刚买的机械键盘(用起来真的很舒服)。这只是我用来练手的程序,如果真的要编写程序实现功能还是推荐使用python语言搭配TensorFlow、Pytorch等深度学习平台实现自己想要的功能。程序的可完善空间非常大,比如数据和模型的可视化,将数据和模型的训练效果直观的展示出来,后面还会有序的用C语言实现诸如多元线性回归,二分类问题,多分类问题甚至卷积神经网络等等。我会在下面贴出使用Python语言编写的线性回归的程序,可以两者结合起来比较一下异同。

# -*- coding: utf-8 -*-"""Spyder EditorThis is a temporary script file."""import matplotlib.pyplot as pltimport tensorflow as tfimport numpy as np np.random.seed(5) x_data = np.linspace(-1,1,100)y_data = 2 * x_data + 1.0 + np.random.randn(*x_data.shape) * 0.4 np.random.randn(10) #x_data.shape #np.random.randn(*x_data.shape)#np.random.randn(100)plt.scatter(x_data,y_data)plt.plot(x_data, 2 * x_data + 1.0, color = 'red',linewidth=3) x = tf.placeholder("float",name="x")y = tf.placeholder("float",name="y") def model(x,w,b):    return tf.multiply(x,w)+b w = tf.Variable(1.0,name="w0")b = tf.Variable(0.0,name="b0") pred = model(x,w,b) train_epochs = 10learning_rate = 0.05 loss_function = tf.reduce_mean(tf.square(y-pred)) optimizer = tf.train.GradientDescentOptimizer(learning_rate).minimize(loss_function) sess = tf.Session() init = tf.global_variables_initializer()sess.run(init) i_ci=0 for epoch in range(train_epochs):    for xs,ys in zip(x_data,y_data):        _, loss=sess.run([optimizer,loss_function],feed_dict={x:xs,y:ys})        b0temp=b.eval(session=sess)        w0temp=w.eval(session=sess)    plt.plot(x_data,w0temp*x_data+b0temp)        print("w:",sess.run(w))print("b:",sess.run(b)) plt.scatter(x_data,y_data,label='Original data')plt.plot(x_data,x_data*sess.run(w)+sess.run(b),label='Fitted Line',color='r',linewidth=3)plt.legend(loc=2)

到此,关于“Python线性回归分析”的学习就结束了,希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习,快去试试吧!若想继续学习更多相关知识,请继续关注编程网网站,小编会继续努力为大家带来更多实用的文章!

免责声明:

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

Python线性回归分析

下载Word文档到电脑,方便收藏和打印~

下载Word文档

猜你喜欢

Python线性回归分析

这篇文章主要介绍“Python线性回归分析”,在日常操作中,相信很多人在Python线性回归分析问题上存在疑惑,小编查阅了各式资料,整理出简单好用的操作方法,希望对大家解答”Python线性回归分析”的疑惑有所帮助!接下来,请跟着小编一起来
2023-06-25

如何分析spark-mlib的线性回归

如何分析spark-mlib的线性回归,针对这个问题,这篇文章详细介绍了相对应的分析和解答,希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。import org.apache.spark.SparkConfimport org.
2023-06-02

数据分析算法---线性回归(初识)

最近在学习数据分析线性回归算法时,产生了很多疑问。作为初学者,我认为应该先从基本概念上进行一些深度理解。下面将我的一些思考总结如下:        线性回归模型为: (1)        其中ε是剩余误差,假设它服从的是高斯分布,然后因此就
2023-01-30

MATLAB中如何实现线性回归分析

在MATLAB中,可以使用polyfit函数来实现线性回归分析。下面是一个简单的示例代码:% 创建一组样本数据x = [1, 2, 3, 4, 5];y = [2, 4, 6, 8, 10];% 进行线性回归分析,返回拟合系数coe
MATLAB中如何实现线性回归分析
2024-04-03

线性回归与岭回归python代码实现

在线性回归中我们要求的参数为:详细的推导可以参见:http://blog.csdn.net/weiyongle1996/article/details/73727505所以代码实现主要就是实现上式,python代码如下:import num
2023-01-31

线性回归

传送门:人工智能视频列表-尚学堂,点开任意一个之后会发现他们会提供系列课程整合到一起的百度网盘下载,包括视频+代码+资料,都是免费的这里:博客园小技巧,我觉得这个很好玩,可以拿来用。对于机器学习、深度学习的什么介绍,百度吧,有很多,这里不说
2023-01-30

如何掌握Python线性回归

这篇文章主要讲解了“如何掌握Python线性回归”,文中的讲解内容简单清晰,易于学习与理解,下面请大家跟着小编的思路慢慢深入,一起来研究和学习“如何掌握Python线性回归”吧!1. 准备开始之前,你要确保Python和pip已经成功安装在
2023-06-16

Python线性回归怎么理解

这篇文章主要讲解了“Python线性回归怎么理解”,文中的讲解内容简单清晰,易于学习与理解,下面请大家跟着小编的思路慢慢深入,一起来研究和学习“Python线性回归怎么理解”吧!前言:线性回归模型属于经典的统计学模型,该模型的应用场景是根据
2023-06-21

Python怎么实现线性回归

Python怎么实现线性回归,很多新手对此不是很清楚,为了帮助大家解决这个难题,下面小编将为大家详细讲解,有这方面需求的人可以来学习下,希望你能有所收获。1、概述(1)人工智能学习 (2)机器学习 (3)有监督学习 (4)
2023-06-26

编程热搜

  • Python 学习之路 - Python
    一、安装Python34Windows在Python官网(https://www.python.org/downloads/)下载安装包并安装。Python的默认安装路径是:C:\Python34配置环境变量:【右键计算机】--》【属性】-
    Python 学习之路 - Python
  • chatgpt的中文全称是什么
    chatgpt的中文全称是生成型预训练变换模型。ChatGPT是什么ChatGPT是美国人工智能研究实验室OpenAI开发的一种全新聊天机器人模型,它能够通过学习和理解人类的语言来进行对话,还能根据聊天的上下文进行互动,并协助人类完成一系列
    chatgpt的中文全称是什么
  • C/C++中extern函数使用详解
  • C/C++可变参数的使用
    可变参数的使用方法远远不止以下几种,不过在C,C++中使用可变参数时要小心,在使用printf()等函数时传入的参数个数一定不能比前面的格式化字符串中的’%’符号个数少,否则会产生访问越界,运气不好的话还会导致程序崩溃
    C/C++可变参数的使用
  • css样式文件该放在哪里
  • php中数组下标必须是连续的吗
  • Python 3 教程
    Python 3 教程 Python 的 3.0 版本,常被称为 Python 3000,或简称 Py3k。相对于 Python 的早期版本,这是一个较大的升级。为了不带入过多的累赘,Python 3.0 在设计的时候没有考虑向下兼容。 Python
    Python 3 教程
  • Python pip包管理
    一、前言    在Python中, 安装第三方模块是通过 setuptools 这个工具完成的。 Python有两个封装了 setuptools的包管理工具: easy_install  和  pip , 目前官方推荐使用 pip。    
    Python pip包管理
  • ubuntu如何重新编译内核
  • 改善Java代码之慎用java动态编译

目录